An adaptive control method based on muscle bone model and impedance controlled rehabilitation robot was used to acquire the neural activity model of the surface electromyography signal of the upper limb and the affected side of the upper limb, establish the skeletal model of the human upper limb, and optimize the parameters of the muscle bone model by using the Calman filter and the Opensim software to get the output torque and the suffering of the upper limb. The desired torque of the affected side is obtained by the mirror image method, and the auxiliary torque of the rehabilitation robot is obtained. The activity degree of the upper limb is constructed, the fatigue degree is classified by the characteristics of the myoelectric signal, and the adjustment torque is adjusted to realize the adaptive adjustment of the auxiliary torque of the rehabilitation robot, and the expectation value of the joint angle tracking and the joint angle are corrected. After the comparison, the actual reference joint angle is obtained, and the adaptive flexibility control of the rehabilitation robot is realized through the positive kinematics solution. The adaptive flexibility control of the rehabilitation robot is realized, and the human computer interaction level and the individual adaptability in the rehabilitation training process are improved. The control process of the rehabilitation robot is more compliant and safe and reliable.
【技术实现步骤摘要】
基于肌骨模型和阻抗控制的康复机器人自适应控制方法
本专利技术涉及机器人控制领域,尤其涉及一种康复机器人自适应控制方法。
技术介绍
目前,康复机器人的控制方法主要分为被动控制和主动控制两种。被动控制采用位置控制方式拟合期望轨迹,实现康复机器人的轨迹跟踪控制。但是被动控制方式仅适用于患者康复早期,存在个体适应性差且康复过程中缺乏人机交互功能等问题;主动控制根据交互信号的不同可以分为两种:(1)基于力信号反馈的交互控制。其中最常用的是阻抗控制方法,被认为是最适用于康复机器人控制的方法之一。通过康复机器人逆动力学模型定量描述末端力和末端运动轨迹偏差之间的函数关系,即通过力传感器获取其末端力就可以得到末端运动轨迹的偏差值,进而确定实际运动轨迹并送入位置控制器中实现康复机器人的轨迹跟踪控制。但是由于无法建立精确的阻抗控制模型,而且模型中的阻抗参数固定不变,造成康复机器人控制欠缺自适应调整能力;(2)基于生物电信号的交互控制。将人体生物电信号引入康复机器人控制中,其中应用最为广泛的是表面肌电信号,具体有两种方式:1)肌电触发式:通过辨识肌电特征获取患者的运动意图,触发康复机器人按照预定轨迹运动。但是肌电信号的在线识别率不高,尤其是精细的小关节动作,且实时性无法得到有效保证;2)肌电信号连续反馈式:康复机器人根据肌电特征值的变化提供对应的辅助力,实现康复机器人运动轨迹的连续控制,但其可靠性和安全性无法有效保证,容易出现意外导致二次受伤。综上所述,当前还缺少一种更好的康复机器人自适应控制方法。
技术实现思路
本专利技术目的在于提供一种提高人机交互水平、控制过程可靠柔顺、个体适应 ...
【技术保护点】
1.一种基于肌骨模型和阻抗控制的康复机器人自适应控制方法,其特征在于,所述方法包括以下步骤:步骤1,利用肌电采集设备采集患者上肢健侧和患侧的肌电信号;利用运动捕获设备获取上肢健侧和患侧的关节角度信号;通过分析肌电信号和关节角度信号,得到健侧输出力矩τH和患侧输出力矩τS;步骤2,通过镜像方法由健侧输出力矩τH得到患侧期望输出力矩为τ′H,则可得患者所需辅助力τassist=τ′H‑τS,即康复机器人期望输出力矩;步骤3,提取患侧肌电信号特征:均方根值RMS表征肌肉贡献率ωj;患侧肌电信号计算得到肌肉活动度αj(t);肌肉贡献率ωj和肌肉活动度αj(t)计算得到上肢活动度η;将上肢活动度η引入阻抗参数得到变阻抗方程:阻尼项系数Bd和刚度项系数Kd;步骤4,提取肌电信号特征:平均功率频率MPF和平均瞬时频率MIF用于疲劳程度分级并在步骤2镜像环节引入调节力矩τc,根据疲劳等级微调患侧期望输出力矩τ′H,即τ′H=τH‑τc;步骤5,根据患侧输出力矩τS与患侧期望输出力矩τ′H的偏差,即患者所需辅助力τassist和康复机器人自适应给予患者的辅助,则可实现患者主动柔顺控制康复机器人。
【技术特征摘要】
1.一种基于肌骨模型和阻抗控制的康复机器人自适应控制方法,其特征在于,所述方法包括以下步骤:步骤1,利用肌电采集设备采集患者上肢健侧和患侧的肌电信号;利用运动捕获设备获取上肢健侧和患侧的关节角度信号;通过分析肌电信号和关节角度信号,得到健侧输出力矩τH和患侧输出力矩τS;步骤2,通过镜像方法由健侧输出力矩τH得到患侧期望输出力矩为τ′H,则可得患者所需辅助力τassist=τ′H-τS,即康复机器人期望输出力矩;步骤3,提取患侧肌电信号特征:均方根值RMS表征肌肉贡献率ωj;患侧肌电信号计算得到肌肉活动度αj(t);肌肉贡献率ωj和肌肉活动度αj(t)计算得到上肢活动度η;将上肢活动度η引入阻抗参数得到变阻抗方程:阻尼项系数Bd和刚度项系数Kd;步骤4,提取肌电信号特征:平均功率频率MPF和平均瞬时频率MIF用于疲劳程度分级并在步骤2镜像环节引入调节力矩τc,根据疲劳等级微调患侧期望输出力矩τ′H,即τ′H=τH-τc;步骤5,根据患侧输出力矩τS与患侧期望输出力矩τ′H的偏差,即患者所需辅助力τassist和康复机器人自适应给予患者的辅助,则可实现患者主动柔顺控制康复机器人。2.根据权利要求1所述的基于肌骨模型和阻抗控制的康复机器人自适应控制方法,其特征在于,步骤1中,通过肌电采集设备采集上肢肌电信号,经预处理后得到肌电信号幅值ej(t),其中j为第j块肌肉;省略肌骨模型内肌肉数j,并计算得...
【专利技术属性】
技术研发人员:杜义浩,姚文轩,邱石,王浩,杨文娟,张宁宁,谢平,马俊霞,
申请(专利权)人:燕山大学,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。